La TDM ultra low dose, prochaine norme pour le suivi des jeunes immunodéprimés ?
VENDREDI 14 MARS 2025
Soyez le premier à réagirLa tomodensitométrie à ultra-faible dose débruitée par l’IA permet, en appliquant seulement 2% de la dose normale, de diagnostiquer efficacement la pneumonie chez les patients immunodéprimés. C’est le résultat d’une étude publiée dans la Revue Radiology et qui pourrait ouvrir la voie vers de nouvelles guidelines cliniques.
Les infections pulmonaires sont une cause fréquente de morbidité et de mortalité chez les patients sévèrement immunodéprimés. Dans ce cadre, la tomodensitométrie (TDM) thoracique est la modalité d'imagerie standard de référence, avec des signes associés aux infections fongiques à type de macronodules pulmonaires de plus de 1 cm notamment.
La TDM à ultra-low dose pour le diagnostic et le suivi de la pneumonie chez l'immunodéprimé
Mais pour le suivi de ces pathologies, même les TDM thoraciques répétitifs à faible dose sont problématiques, car la dose de rayonnement efficace de chaque examen est d'environ 1,5 mSv. Les techniques de TDM à ultra-faible dose (TDMUL) génèrent beaucoup de bruit, ce qui diminue leur précision diagnostique. C’est ainsi que les techniques de reconstruction d'images par réduction du bruit basées sur le deep learning, en particulier, gagnent en popularité.
Dans un article publié dans la Revue Radiology, le Dr Massimiliano Klug et ses collègues ont cherché à tester les capacités de débruitage d'un algorithme d'apprentissage profond sur des TDMUL. « Pour les patients dont le système immunitaire est affaibli, les infections pulmonaires peuvent être mortelles, rappelle le Dr Maximiliano Klug, auteur principal de l'étude et radiologue au service d'imagerie diagnostique du Centre médical Sheba de Ramat Gan, (Israël). La TDM est la référence absolue pour détecter la pneumonie, mais des examens répétés peuvent exposer les patients à des radiations importantes. »
Un essai concluant quant à l'utilisation du deep learning pour débruiter les images de TDMUL
De septembre 2020 à décembre 2022, 54 patients immunodéprimés et fiévreux ont été adressés au service du Dr Klug pour subir deux TDM thoraciques l’une à dose normale et l’autre à ultra-faible dose (TDMUL) auquel a été adjoint un algorithme de deep learning pour les débruiter. Les radiologues ont évalué et documenté individuellement les résultats des TDM à dose normale, à ultra-faible dose et à ultra-faible dose débruitée. Ils n'avaient accès à aucune information clinique du patient. L'algorithme de deep learning a significativement amélioré la qualité et la clarté des images des TDMUL et a réduit les faux positifs. Les nodules ont également été plus facilement identifiés sur les scanners débruités. La dose efficace moyenne de rayonnement pour les TDMUL était de 2 % de la dose efficace moyenne des scanners standard.
Vers une nouvelle norme pour les jeunes immunidéprimés ?
« Cette étude ouvre la voie à une imagerie plus sûre, basée sur l'IA, qui réduit l'exposition aux radiations tout en préservant la précision du diagnostic », prédit le Dr Klug. Les chercheurs soulignent également que le débruitage par deep learning des TDMUL peut être bénéfique chez d'autres groupes de patients, comme les jeunes patients. « Cette étude pilote a identifié une infection avec une fraction de la dose de radiation conclut le Dr Klug. Cette approche pourrait donner lieu à des études de plus grande envergure et, à terme, remodeler les recommandations cliniques, faisant de la TDMUL débruitée la nouvelle norme pour les jeunes patients immunodéprimés.»
Paco Carmine